Definire KPI significativi

Individua quale delle seguenti non sarebbe un KPI significativo per un piccolo food truck che cerca di ottimizzare il proprio business.

Questo esercizio fa parte del corso

Customer Analytics and A/B Testing in Python

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Customer Analytics and A/B Testing in Python

IntermediárioNível de habilidade

4.7+

103 reviews

Inizia il corso gratuitamente

Questo capitolo offre una breve introduzione ai contenuti trattati nel corso, per poi passare a una discussione sui Key Performance Indicators o KPI. Imparerai a identificare e definire KPI significativi combinando pensiero critico e strumenti Python. Queste tecniche sono presentate in modo altamente pratico e facilmente generalizzabile. In definitiva, questi temi costituiscono le basi per la discussione sull’A/B testing che seguirà.

Exercise 1: Introduzione e panoramica del corso Exercise 2: Comprendere i componenti chiave di un test A/B Exercise 3: Definire KPI significativi

Esercizio attuale

Exercise 4: Identificare e comprendere i KPI Exercise 5: Caricare ed esaminare i dati Exercise 6: Unire su insiemi diversi di campi Exercise 7: Analisi esplorativa delle KPI Exercise 8: Esercitarsi con le aggregazioni Exercise 9: Raggruppare e aggregare Exercise 10: Calcolare i KPI: un esempio pratico Exercise 11: Calcolo dei KPI Exercise 12: Prezzo medio di acquisto per coorte

Questo capitolo ti insegna a visualizzare, manipolare ed esplorare i KPI mentre cambiano nel tempo. Attraverso vari esempi, imparerai a lavorare con oggetti datetime per calcolare metriche per unità di tempo. Passeremo poi alle tecniche per rappresentare in grafico diversi segmenti di dati e applicare varie funzioni di smoothing per rivelare tendenze nascoste. Infine, vedremo un esempio completo di come individuare problemi tramite l’analisi esplorativa dei dati dei clienti. In tutto il capitolo verranno introdotte e spiegate funzioni in modo altamente generalizzabile.

Exercise 1: Lavorare con dati di serie temporali in pandas Exercise 2: Parsing delle date Exercise 3: Creare grafici di serie temporali con Matplotlib Exercise 4: Rappresentare dati di serie temporali Exercise 5: Effettuare il pivot dei nostri dati Exercise 6: Analizzare le diverse coorti Exercise 7: Capire e visualizzare le tendenze Exercise 8: Stagionalità e medie mobili Exercise 9: Media mobile esponenziale e sotto/sovra-livellamento Exercise 10: Eventi e release Exercise 11: Visualizzare la spesa degli utenti Exercise 12: Uno sguardo più da vicino ai ricavi

In questo capitolo entrerai nel vivo dell’A/B testing. Imparerai la matematica e le conoscenze necessarie per progettare e pianificare con successo un test A/B, dalla definizione dell’unità sperimentale al calcolo della dimensione campionaria necessaria. A supporto, verranno introdotte le funzioni e il codice per calcolare le varie quantità associate a un test statistico di questo tipo.

Exercise 1: Introduzione all'A/B testing Exercise 2: Buone applicazioni del test A/B Exercise 3: Proprietà generali di un test A/B Exercise 4: Generalizzabilità di un A/B test Exercise 5: Progettazione iniziale di un test A/B Exercise 6: Unità sperimentali: ricavi per user-day Exercise 7: Prepararsi a eseguire un test A/B Exercise 8: Sensibilità del tasso di conversione Exercise 9: Sensibilità Exercise 10: Errore standard Exercise 11: Calcolare la dimensione del campione Exercise 12: Esplorare il calcolo della potenza Exercise 13: Calcolare la dimensione del campione

Dopo aver eseguito un test A/B, devi analizzare i dati e comunicare efficacemente i risultati. Questo capitolo alterna la teoria della significatività statistica e degli intervalli di confidenza con gli strumenti necessari per calcolarli direttamente dai dati. In seguito, discuteremo come visualizzare e comunicare al meglio questi risultati. Questo capitolo rappresenta il culmine di tutte le conoscenze sviluppate durante l’intero corso.

Exercise 1: Analizzare i risultati dell'A/B test Exercise 2: Confermare i risultati del test Exercise 3: Ragionare in modo critico sui p-value Exercise 4: Capire la significatività statistica Exercise 5: Intuizione dietro la significatività statistica Exercise 6: Verificare la significatività statistica Exercise 7: Capire gli intervalli di confidenza Exercise 8: Calcolare gli intervalli di confidenza Exercise 9: Interpretare i risultati del test Exercise 10: Rappresentare la distribuzione Exercise 11: Tracciare la distribuzione delle differenze Exercise 12: Finale